农业信息小编为大家带来以下内容：
专题---农业遥感topic---agriculturalremotesensing
[1]杨成海.机载遥感系统在精准农业中的应用[J] .智慧农业(中英文)，2020，2 )1):1-22.yang Chenghai.airborneremotesensingsystemsforemsforingsystemstem
摘要：几十年来，遥感技术一直被用作精准农业的重要数据采集工具。 根据离地高度，遥感平台主要包括卫星、有人飞机、无人飞机系统和地面车辆。 遥感平台搭载的大多数传感器是图像传感器，也可以安装激光雷达等其他传感器。 近年来，卫星图像传感器的发展大大缩小了基于飞机的图像传感器在空间、光谱和时间分辨率上的差距。 近年来，作为低成本遥感平台的无人机系统的出现，极大地填补了有人驾驶飞行器与地面平台之间的距离。 载人飞机具有高度灵活性、飞行速度快、载荷大、飞行时间长、飞行受限少、耐候性强等优点，将成为未来主要的精准农业遥感平台。 本论文第一部分概述了遥感传感器的类型和三种主要的遥感平台：卫星、载人飞机和无人驾驶飞机系统。 接下来的两部分重点介绍了精密农用载人飞行器的成像系统，包括农用飞机上的消费级摄像机组成的系统，详细说明了多光谱摄像机、高光谱摄像机、热成像摄像机等部分定制和商用成像系统第四部分提供五个应用实例，说明如何将不同类型的遥感影像用于精准农业应用中的作物生长评价和作物病虫害管理。 最后简要讨论了不同遥感平台和成像系统用于精准农业的一些挑战和未来的努力方向。
在网上读
[2]刘园、周清波、余强毅、吴文斌.基于遥感数据的大尺度区域稻田空间结构与生态服务价值变化分析[J] .智慧农业(中英文，2020，2 )1) 43-57 .刘源，周七Wu wenbin.analysisofspatialpatternandecologicalservicevaluechangesoflarge-scaleregionalpaddyfieldsbasedonremotesensingdata
摘要：在经济和气候的驱动下，长江经济带稻田空间结构发生了显著变化，影响了区域粮食安全和生态安全。 本研究基于19902015年土地利用遥感监测数据，利用GIS空间分析功能，探索长江经济带稻田空间结构动态变化特征，采用当量因子法计算生态系统服务价值( ESV )，分析稻田变化的综合影响。 结果表明：1) 1990—2015年长江经济带稻田规模持续减少17390km2，降幅呈增加趋势，长江中下游稻田降幅相差约9.56%。 其中下游降幅较大，稻田占地区比重下降，中上游正好相反。 2 )由于经济建设和水产养殖的发展，稻田主要转为建设用地和水系，稻田主要由水系、旱地和湿地等转化。 长江三角洲城市群、长江中游及成渝城市群稻田变化最为剧烈，建设用地占用稻田扩张现象分布广泛，稻田变为水系的主要是两湖平原部分地区。 3 )稻田及其他生态系统转换对ESV有积极影响，稻田向水系转换对此贡献最大，其转换规模决定了不同时期ESV净增量的大小，水系向稻田转换损失价值最高，建设用地侵占稻田次之。 由于不同市域稻田变化情况不一致，ESV增减情况存在明显差异。 4 )生态系统服务增强水文调节、水资源供应的同时，食物生产、燃气调节受到严重损害，直接关系到水资源规模的扩大和稻田资源的大量流失。 研究结果有助于揭示长江流域稻田时空变化过程及其对各生态系统服务的影响，可为区域土地利用规划、农业政策和生态可持续发展提供理论支持。
在网上阅读
[3]万亮、岑海燕、朱姜蓬、张佳菲、杜晓月、何勇。 基于纹理特征与植被指数融合的水稻含水量无人机遥感监测[J] .智慧农业(中英文)，2020，2 )1):58-67.WAN Liang，CEN Haiyan，zhu DU Xiaoyue， heyong.usingfusionoftexturefeaturesandvegetationindicesfromwaterconcentrationinricecroptouavremotesensingmonitor
摘要：含水量是表征水稻生理和健康状况的重要参数，准确预测水稻含水量对水稻育种和大田精准管理具有重要意义。 目前，利用无人机机载光谱图像传感器监测作物生长的研究主要集中在利用植被指数评价单个或几个生育期作物生长参数，作物含水量监测的研究十分有限。 本研究主要利用多旋翼无人机低空遥感平台，通过获取不同生育期水稻冠层的RGB图像和多光谱图像，提取植被指数和纹理特征，分析水稻动态生长变化，基于随机森林回归方法实验结果表明： (1)无人机影像提取的植被指数、纹理特征及地面含水量可用于水稻生长发育监测，且这些参数随水稻生长呈现相似的动态变化趋势。 )与RGB图像相比，多光谱图像评估水稻含水量具有更高的潜力，其中归一化光谱指数ndsi 771，611实现了更好的预测精度( R2=0.68，RMSEP=0.039，RRM se )3)融合植被指数和纹理特征可以进一步改善含水量的预测结果( R2=0.86，RMSEP=0.026，rRMSE=3.51% )，预测误差RMSEP分别减少16.13%和18.75% 以上结果表明，基于无人机遥感技术监测水稻含水量是可行的，可为农田精准灌溉和田间管理决策提供新思路。
在网上读
[4]付元元、杨贵军、段丹丹、张永涛、顾晓鹤、杨小冬、徐新刚、李振海. AVIRIS高光谱数据在空-光谱特征植被分类中的比较分析[J] .智慧农业，2020，2 )1) 徐兴岗，Li Zhenhai.comparisonanalysisofspatialandspectralfeatureinvegetationclassificationbasedonavirishyperspectralimage
摘要：植被分类是高光谱图像分类中的特定应用问题，光谱特征和空间特征是植被分类中常用的两种特征，比较这两种特征的性能，对实际植被分类应用中选择合适的特征类型或两者的有效结合具有指导意义主成分分析( PCA )提取光谱特征时，通常选择前几个主成分( PCs )作为光谱特征，它们含有较多的信息量，但无法保证较高的可分类性和分类正确率。 针对这一问题，本研究提出了一种混合特征提取方法，针对高光谱图像，通过基于PCA改进的方差矩阵特征选择方法选择具有高可分类性的PCs，用于后续分类。 利用一景AVIRIS高光谱植被图像，从分类精度的角度，首先比较了提出的混合特征提取方法和原始PCA、独立主成分分析( ICA )及线性判别分析( LDA ) 3种常用子空间特征提取方法在高光谱图像植被分类中的性能。 实验结果表明，提出的混合特征提取方法在研究的数据集1和2上获得了最高的整体分类正确率，分别为82.7%和86.5%。 与原始PCA相比，本研究提出的混合特征提取方法的总体分类正确率在数据集1和2上分别提高了1.5%和2.5%。 由此明确了所提出的混合特征提取方法在高光谱植被分类中的有效性。 在光谱特征和空间特征高光谱图像植被分类性能的比较中，总体上空间特征的分类正确率高于光谱特征，特别是Gabor特征，在两个数据集上分别得到了95.5%和96.7%的最高分类正确率。 这表明空间特征在高光谱影像植被分类中比光谱特征更具优势。 本研究结果为改进后续空谱特征方法及其两者的有效结合，提高植被分类准确率提供了参考。
在网上阅读
[5]丰华、许童羽、郭忠辉、杜文、王定康、曹英丽.基于红边优化植被指数的寒地水稻叶片叶绿素含量遥感反演研究[J] .智慧农业，2020，2 (1):77-86 . 王定康，caoying Li.remotesensinginversionofchlorophyllcontentinriceleavesincoldregionbasedonoptimizingred-edgevegetatation
摘要：水稻叶绿素含量遥感诊断是实现水稻精准施肥的核心因素。 本研究在分析寒地水稻重要生育期叶片高光谱反射率信息的同时，结合PROSPECT模型的叶绿素含量吸收系数，借鉴现有高光谱植被指数的结构方法和形式，采用相关分析、连续投影法、遗传算法优化的粗糙集属性约简法进行高光谱反射率分析与Index Data base数据库中其他包括叶绿素含量反演植被指数、nd 528，587、Sr 440，690、CARI、MCARI的反演结果进行比较分析，结果表明IDB数据库中已有4种被指数叶绿素含量反演模型发现0.595的ORVI植被建立的叶绿素含量反演模型的决策系数R2为0.726，均方根误差RMSE为2.68，比其他植被指数精度高，ORVI在实际应用中快速反演水稻叶绿素含量的高光谱本研究可为寒地水稻叶绿素含量高的光谱遥感诊断与管理决策提供一定的客观数据支撑和模型参考。
在网上读
[6]邵国敏，王亚杰，韩文霆.基于无人机多光谱遥感的夏玉米叶面积指数估计方法[J] .智慧农业(中英文( 2020，2 )3) 118-128.SHAO Guomin，Wang yayan Han wenting.estimationmethodofleafareaindexforsummermaizeusinguav-basedmultispectralremotesensing [ j ].smart agriculture
摘要：无人机多光谱遥感技术可以快速、无损地监测农作物叶面积指数( LAI )。 为了在水分胁迫条件下，利用无人机多光谱植被指数估计夏玉米LAI的可行性，本研究基于无人机多光谱遥感系统，结合同期本地采集的夏玉米LAI，选择了5个种植被指数归一化差分植被指数( NDVI )、土壤调节植被指数( SAVI )、强化植被指数( EVI )、绿度归一化植被指数( GNDVI )、耐大气指数( VARI )，作为模型输入参数， 采用随机森林回归算法建立全生育期不同灌溉条件下大田玉米冠层植被指数与LAI的关系模型，进行一元线性回归和多元线性回归，结果表明，在充分灌溉条件下，植被指数的多元线性回归模型可以较好地估算lai ( R2=0. 在水分胁迫条件下，植被指数随机森林回归模型可以较好地估计LAI ( R2=0.74~0.87 )，水分胁迫因素对该模型的影响较小，NDVI和VARI对lai的估计贡献最大。 以上结果表明，基于无人机多光谱遥感技术，利用随机森林回归算法估计多种灌溉条件下的夏玉米LAI是可行的。 该研究为快速、准确监测全生育期不同灌溉条件下大田夏玉米LAI提供了技术和方法支持。
在网上读
[7]刘恬琳、朱西存、白雪源、彭玉凤、李美炫、田中宇、姜远茂、杨贵军.土壤有机质含量高光谱估算模型的建立及精度比较[J] .智慧农业，2020，2 )3):129-138 江源茅，yang guijun.hyperspectralestimationmodelconstructionandaccuracycomparisonofsoilorgang
摘要：土壤有机质含量对作物生长有显著影响。 为了实现苹果园土壤有机质含量的快速实时估算，本研究以山东省烟台市栖霞市苹果园为研究区，采集100个土样，利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率，采用定量化学方法测定土壤有机质含量采用移动平均法预处理高光谱数据，分析果园土壤反射光谱特征，研究光谱反射率与其有机质含量的相关关系，筛选土壤有机质含量敏感波长，建立光谱指数后分别采用多元线性回归模型( MLR )、支持向量结果表明，筛选出的土壤有机质含量敏感波长为678、709、1931、1939、1996、2201 nm。 在筛选的波长下构建光谱参数，最终构建的光谱指数分别为ndsi ( 678，709 )、ndsi ( 678，1931 )、ndsi ( 678，2201 )、ndsi ( 709，1939 ) 建立的MLR、SVM和RF回归模型中，RF模型精度最好，其校正样本集R2达0.8804，RMSE达0.1423，RPD达2.25； 验证模型的R2为0.7466，RMSE为0.1266，RPD为1.79，建立的RF定量模型反演苹果园土壤有机质含量效果较好。 因此，应用RF法快速预测苹果园土壤有机质含量，掌握土壤养分分布状况，指导农民合理施肥，提高果园生产管理效率。
在网上阅读
[8]陈爱莲、李家裕、张圣军、朱玉霞、赵思健、孙伟、张力军。 卫星遥感估算生产技术在大豆区域收入保险中的应用[J] .智慧农业，2020，2 (3) 139-152.CHEN Ailian，lijia aan jaxijian，SUN Wei， 张桥. applicationofsatelliteremotesensingyieldestimationtechnologyinregionalrevenueprotectioncropinsurance:acaseofsoybsoybince
摘要：本研究针对我国近年来重点发展的创新型区域收入保险第三方实时客观产量数据不足的问题，引入了卫星遥感鉴定技术，并探讨了其应用模型和适用性。 以山东省嘉祥县大豆区域收入保险为例，基于哨兵2号卫星遥感数据提取大豆种植地块，计算归一化植被指数( NDVI )和作物生理参数，结合气象卫星遥感数据和实地采样测量数据，建立多参数线性回归模型研究结果表明，卫星遥感得到的研究区大豆种植面积为124 km2，与当地农业局报道的127 km2相差3 km2； 通过实测地块的验证，栽培分布地块的遥感识别精度达到90%； 产量估算结果表明，2018年8月23日大豆荚期NDVI和9月7日大豆鼓粒期NDVI对大豆单产的解释度最好，多参数回归模型全区平均产量为244，500 kg/km2，常年299，800 kg/km2 产量估算数据与实测数据之间的回归系数达到0.92，可以满足应用需要。 结果表明，根据哨兵2号卫星遥感数据可以准确识别研究区大豆种植分布，大豆收获后最快一周即可完成产量估算，指导保险公司理赔工作。
在网上读
[9]张建、谢田晋、杨万能、周广生.近地遥感技术在大田作物株高测量中的研究现状与展望[J] .智慧农业(中英文)，2021，3 )1):1-15 .张建、谢田晋、杨万能、雅金zhouguangsheng.researchstatusandprospectonheightestimationoffieldcropusingnear-fieldremotesensingtechnology [ j ].smart
摘要：株高是动态衡量作物健康和整体生长状况的重要指标，广泛用于估算作物生物学产量和最终籽粒产量。 传统的人工测量方式存在规模小、效率低、费时等问题。 近十年来，近地遥感技术在农业领域发展迅速，使高精度、高频率、高效率的作物株高采集成为可能。 本文首先回顾了国内外基于遥感手段获得株高研究的论文发表情况；其次对获得株高的不同平台及传感器的基本原理、优势及局限性进行了介绍和评述，激光雷达和可见光相机两种传感器的高度测量探头在此基础上，综述了株高在作物生物量估算、倒伏监测、产量预测和辅助育种等方面的应用研究进展。 最后，对近地遥感技术株高获取中存在的问题进行了探讨分析，从测高平台与传感器、裸土探测与插值算法、株高应用研究以及农学与遥感测高差异四个方向进行了展望，以期今后近地遥感
在网上读
[10]韩东，王鹏新，张悦，田惠仁，周西嘉.农业干旱卫星遥感监测与预测研究进展[J] .智慧农业(中英文)，2021，3 )2):1-14.HAN Dong，WANG Pengxin thang zhouxijia.progressofagriculturaldroughtmonitoringandforecastingusingsatelliteremotesensing [ j ].smart agriculture，220
摘要：干旱是影响农业生产的主要气候因素。 传统的农业干旱监测主要基于气象和水文数据，可以在监测点提供比较准确的干旱监测结果，但在监测方面农业干旱存在一定的局限性。 遥感技术的迅速发展，特别是当前轨道卫星传感器感知到的电磁波段覆盖可见光、近红外、热红外和微波等波段，为区域尺度农业干旱监测提供了新的手段。 充分利用卫星遥感数据获取的丰富地表信息进行农业干旱监测和预测具有重要的研究意义。 本文从遥感指数方法、土壤含水量方法和作物需水量方法三个方面阐述了基于卫星遥感的农业干旱监测研究进展。 干旱预测是基于干旱监测进行时间轴预测，本文在总结干旱监测进展的基础上，进一步简述了以干旱指数法和作物生长模型法为主的农业干旱预测研究进展。
在网上读
[11]王琳，梁健，孟范玉，孟炅，张永涛，李振海.基于遥感和气象数据的冬小麦主产区籽粒蛋白质含量预报[J] .智慧农业，2021，3 )2( 15-22.Wanan Meng yang Li Zhenhai.estimatinggrainproteincontentofwinterwheatinproducingareasbasedonremotesensingandmeteorologicaldata [ j ]
摘要：开展小麦籽粒蛋白质含量监测预报研究对指导农户调整种植、接受企业分类、期货小麦价格、进口政策调整等具有重要意义。 本研究以冬小麦主产区(河南、山东、河北、安徽和江苏)为研究区域，建立冬小麦籽粒蛋白质含量多层线性预测模型，实现2019年冬小麦蛋白质含量预报。 为了解决预测模型年际扩展和空间扩展存在偏差的问题，蛋白质含量估算模型考虑了气象因素(温度、降水、辐射量)、冬小麦肌肉型、抽穗-开花期增强植被指数( EVI )等因素。 结果表明，融合3个气象因素的蛋白质含量估计模型的建模集精度( R2=0.39，RMSE=1.04% )和验证集精度( R2=0.43，RMSE=0.94% )均为融合2个气象因素的估计模型和单一气象将蛋白质含量估算模型应用冬小麦产地蛋白质含量遥感估算，得到2019年冬小麦产地质量预报图，并绘制了黄淮海地区冬小麦质量分布专题图。 本研究结果可同时为后续小麦种植区划和绿色、高产、优质、高效粮食生产的实现提供数据支持。
在网上阅读
[12]杨菲菲，刘升平，诸叶平，李世娟.基于高光谱遥感的冬小麦水淹胁迫识别与程度判别分析[J] .智慧农业(中英文( 2021，3 ) 35-44.YANG Feifei，刘ssu Zhu yeping Li shijuan.identificationandleveldiscriminationofwaterloggingstressinwinterwheatusinghyperspectralremotesensing [ j
摘要：冬小麦涝渍胁迫频发不仅严重影响区域粮食安全和生态安全，而且威胁社会经济稳定和可持续发展。 为了识别冬小麦水淹胁迫和判别冬小麦受涝胁迫程度，本研究设置了冬小麦水淹胁迫梯度推茬试验，利用ASD地物光谱仪和Gaiasky-mini2推播成像光谱仪分别测定叶片和冠层高光谱数据，测定植被指数、 结合归一化平均距离和谱微分差信息熵等方法，监测冬小麦是否受到水淹胁迫，判别浸水胁迫程度。 试验结果表明，简单比色素指数SRPI是识别涝渍胁迫冬小麦的最佳植被指数。 红色吸收谷( RW:640~680 nm )是识别冬小麦水淹胁迫程度的最佳波段，在RW波段内抽穗、开花、灌浆期的光谱微分差信息熵可以判别冬小麦水淹胁迫程度，胁迫程度越大，光谱微分差信息越大本研究为涝渍胁迫的监测提供了新的方法，在涝渍胁迫的精确防控中具有良好的应用前景。
在网上阅读
[13]戴声佩、罗红霞、郑倩、胡盈盈、李海亮、李茂芬、禹萱、陈帮干.海南岛橡胶林叶面积指数遥感估算模型比较研究[J] .智慧农业(中英文，2021，3 )2) 45-54 . chenbangqian.comparisonofremotesensingestimationmodelsforleafareaindexofrubberplantationinhahon
摘要：叶面积指数( LAI )是描述植被生长状况和冠层结构的重要参数，快速获取大面积植被和作物LAI对指导生态系统科研、农林业生产具有十分重要的理论和实践意义。 本研究以海南岛典型热带作物——橡胶树为研究对象，建立了基于卫星遥感植被指数的橡胶林LAI估算模型，并分析了其变化规律。 结果表明，与标准化植被指数( NDVI )、绿色标准化植被指数( GNDVI )、比植被指数( RVI )、宽动态范围植被指数( WDRVI )四种指数相比，植被指数( NDVI )、土壤调节植被指数( SAVI )、差分植被指数) 改良土壤调节植被指数) MVI )建立的基于不同植被指数的橡胶林LAI估计模型(一元线性、指数和对数模型)中，以基于EVI指数的橡胶林LAI一元线性估计模型效果最好，其决策系数R2为0.69 实证表明，该模型估计的橡胶林LAI精度较高，观测和仿真的橡胶林LAI线性拟合R2为0.67，均方根误差RMSE为0.16，平均相对误差RE为-0.25%，但在橡胶林LAI中值区域从空间分布看，海南岛橡胶林莱拉高值区( 4.40~6.23 )主要分布在海南岛西部儋州、白沙等市县，莱拉中值区( 3.80~4.40 )主要分布在海南岛中部澄迈、屯昌、琼中等市县，莱拉低值区) 2. 建立的基于EVI指数的橡胶林LAI一元线性估计模型精度高，NDVI、GNDVI、RVI等植被指数容易出现指数饱和问题，具有良好的科学性和良好的推广应用价值。
在网上阅读
[14]王蔚丹、孙丽、裴志远、马尚杰、陈媛、孙娟英、董沫.东北三省地区生长期旱涝对春玉米产量的影响[J] .智慧农业，2021，3 (2):126-137 .王圩dong mo.effectofgrowingseasondroughtandfloodonyieldofspringmaizeinthreenortheastprovincesofchina
摘要：评价生育期旱涝对作物产量的影响有助于农民采取措施增产保证收入。 本研究基于1988—2017年气象站点数据和灾情、产量等统计数据，以中国东北三省为研究区，通过比较多时间尺度指标——标准化降水指数( SPI )和标准化降水蒸散指数( SPEI )与旱涝灾情率的关系，选择优势指数进行东北春托运用距离相关分析方法选取合理的时间尺度和关键月指数，分析这些指数与春玉米相对气象产量的关系，以及不同生育阶段水分条件与产量的关系。 结果表明： (1) SPI、SPEI均可表征东北地区农作物干旱和洪涝状况，总体上SPEI在表征东北地区干旱和洪涝时更具优势，特别是在辽宁省，旱损率与SPI和SPEI相关系数差异明显，洪灾率和SPEI相关系数均显著)2)辽宁省SPEI3-8与相对气象产量的距离相关系数最大，吉林省和黑龙江省SPEI6-8与相对气象产量的距离相关系数最大； 各省相应的SPEI和相对气象产量呈向下抛物线趋势，其中辽宁省春玉米产量受旱涝共同影响，吉林省、黑龙江省主要受干旱灾害影响。 (3)辽宁省春玉米拔节—抽穗期主要受干旱影响，生育期后期受洪涝灾害影响较前期加重； 当SPEI为1.0左右时，吉林省春玉米在出苗—拔节—抽穗期可达到最高产量，抽穗—乳熟期受干旱影响严重； 黑龙江省关键生育期主要受干旱影响，出苗—拔节—抽穗期正常偏湿年可达最高产量，中度以上雨湿会导致玉米减产。 抽穗—乳熟期轻度湿润可高产，重度湿润湿减产。 本研究对东北三省地区旱涝灾害对春玉米产量的影响及及时的灾害防御措施具有一定的参考价值。
在网上读
[15]杨进、明博、杨飞、许红根、李璐、高尚、刘朝巍、王克如、李少昆。 利用无人机影像监测不同生育阶段玉米群体株高精度差异分析[J] .智慧农业(中英文，2021，3 ) )3):129-138 .杨金利芦、高上、留秋lis haokun.theaccuracydifferencesofusingunmannedaerialvehicleimagesmonitoringmaizeplantheightatdifferentgrowthstages [ j ].j .
摘要：为了利用无人机影像监测玉米群体株高精度及其影响因素，本研究通过无人机搭载光学成像仪建立大田玉米群体数字高程模型( Digital Elevation Model，DEM )，建立不同生育时期玉米群体的数字高程模型针对3个玉米品种、8个播期处理建立的株高分异群体，采用多旋翼无人机搭载HDRGB摄像头和多光谱成像仪，采集试验区HDRGB和多光谱影像，获取玉米群体数字高程信息degi 实验结果表明，HDRGB摄像机和多光谱成像仪获得的DEM均反映了玉米群体的高度差异。 HDRGB摄像机株高监测精度优于多光谱成像仪，但株高监测精度不够，难以反映玉米种群小株高差异。 不同生育阶段对玉米株高监测精度有较大影响，如果生育前期冠层尚未覆盖整个地表，或者生育后期植株衰老叶片枯黄下垂，受地表裸露影响，群体株高被严重低估。 本研究分析了影响无人机机载成像仪监测玉米株高精度的因素，可为其在大田生产中的应用提供参考意义。
在网上读
/p>微信交流服务群
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。
入群方法：
加小编微信
331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。
信息发布
科研团队介绍及招聘信息、学术会议及相关活动
的宣传推广
中国Www.yileen.Com.CN艺莲园专注中国农业种植和养殖技术的综合性农业知识网站,涵盖蔬菜,水果,园林花卉,茶叶,粮油,饲料食用菌,温室灌溉,农业机械,水产,渔业,畜牧家禽,特种养殖,农业会展。